小波和神经网络在采煤机故障诊断中的应用

进行采煤机截割部齿轮传动系统的振动测试,采用小波变换对振动信号进行去噪处理,经过小波去噪后的振动信号作为BP网络的输入,采用三层BP神经网络结构对采煤机截割部齿轮传动系统的故障进行了趋势预测,取得了满意的诊断效果。     

矿用钢丝绳断丝故障检测新方法研究

针对矿用钢丝绳断丝故障检测过程中,故障信号往往存在基线漂移和脉冲噪声,借鉴传统小波去噪的思想,提出了一种基于数学形态和提升小波分析算法的矿用钢丝绳断丝故障检测方法,论述了其检测原理和实现方法。仿真结果表明,该方法去噪效果明显,能明显提高对钢丝绳断丝故障判断的准确性。     

基于改进小波阈值算法的矿用钢丝绳损伤检测信号去噪方法

在矿用钢丝绳损伤检测中,信号去噪对损伤检测信号特征提取与定量识别的准确性有着直接的影响。针对小波阈值算法在钢丝绳损伤检测信号去噪中的应用,在Donoho的软、硬阈值去噪方法的基础上,提出一种改进的小波阈值算法,该算法解决了硬阈值去噪效果不佳与软阈值过度光滑导致信号失真的难题,完整地保留了钢丝绳检测信号中的小奇异信号,去噪效果明显优于传统的阈值去噪方法。     

改进粒子群优化小波阈值的矿用钢丝绳损伤信号处理方法研究

为有效提取矿用钢丝绳损伤信号的特征值,采取小波分析对损伤信号去噪。针对损伤信号中存在小奇异点的特性,对小波分析中的阈值获取和阈值函数选取两方面改进。首先利用粒子群算法优化经验值,并基于Birge-Massart策略获取阈值。提出一种改进的小波阈值函数算法。该函数加入了可调变量,改善了已有软、硬阈值函数去噪中的不足点,通过仿真实验的信号结果和信噪比(SNR)对比几种阈值函数去噪算法,最终得出,采用优化经验值并改进小波域值函数的去噪算法相比于其他方法,更能完整保留原始信号,去噪效果好。     

小波去噪在掘进机振动信号处理中的应用

基于小波在时-频两域均能表征信号局部特征的特点,采用小波分解和小波包分解对掘进机三方向振动信号进行分解重构,比较sym4小波,sym5小波和小波包对振动信号的去噪能力,选择sym4对振动信号进行处理,获取掘进机振动信号的特征频率和振动峰值,掘进机截割头的主振频率在2~4 Hz内,振动峰值在11 gn左右。     

基于局部放电法的矿用高压电缆信号去噪算法研究

干扰噪声直接影响局部放电法有效检测矿用高压电缆故障。基于局部放电法,综合采用理论计算、仿真实验、现场试验的方法,对比分析了短时傅里叶变换和傅里叶分析去噪法的原理和优缺点,提出了一种矿用高压电缆的局部放电去噪算法——小波阈值去噪法,同时,选择了合理的阈值函数和去噪流程。基于此,采用白噪声和连续周期信号作为高压电缆的干扰噪声,进行了模拟仿真实验。结果表明,小波阈值去噪法可有效抑制白噪声,其中,Db2小波性能和去噪效果最好;同时,现场试验结果显示,去噪后信噪比得到了显著增加,验证了小波阈值去噪法的合理性和可靠性。     

基于小波分析的矿用车柴油机振动信号去噪处理

矿用车柴油机振动信号进行去噪处理,对柴油机的运行状态监测和异常诊断具有重要的现实意义。以矿用车柴油机为实验研究对象,对4个不同测点进行时域分析和频域分析,得到最佳振动信号监测点;采用小波分层阈值去噪法,对柴油机振动信号进行分解和去噪处理。结果表明小波去噪的方法具有很好的去噪预处理效果,可以满足工程实际的需要。     

基于WT特征增强的cICA带式输送机齿轮箱故障诊断

约束独立分量分析对于测量信号中的传感器噪声(测量噪声)具有很强的免疫能力,但对源噪声的免疫性却很差。针对这个问题,提出了小波变换特征增强的约束独立分量分析的齿轮箱故障特征提取方法。通过对测量信号小波分解,有针对性地选择某子频段小波系数重构,有利于提高信噪比,增强信号的统计独立性和非高斯性,从而增强约束独立分量分析方法提取齿轮故障特征的效果;而未经小波变换除噪时,约束独立分量分析的效果不佳。通过仿真分析和在矿用带式输送机齿轮箱故障诊断的应用结果综合表明,该方法能有效降低源噪声的影响,准确提取出齿轮故障特征,尤其是微弱低频故障特征。为矿用齿轮箱多通道振动状态监测与故障诊断提供了一种新的有效手段和途径。     

基于小波包包络分析的滚动轴承故障诊断

提出一种基于小波包、能量分析和包络分析相结合的滚动轴承故障诊断方法。对实测振动信号进行小波包去噪,提取出有用的振动信号。利用小波包将去噪后的信号分解,求出分解后各频带的能量,根据各频带内能量分布,确定故障所在频带,并以此作为特征分量。对特征分量进行Hilbert解调分析,将包络谱谱峰处的频率与理论计算的滚动轴承故障频率进行对比,诊断轴承故障并确定故障位置。     

基于小波阈值的通风机故障特征提取应用研究

为了对原始信号进行有效的降噪,从而获得的客观的煤矿主通风机的振动特征,确保通风机故障的诊断,采用小波阈值的方法,分析了小波阈值降噪的基本思路以及小波去噪阈值的选取原则;对小波降噪的特点进行分析,对比了小波分析和傅里叶变换分析2种方法下的去噪能力,研究为通风机故障的诊断提供了理论基础。     

掘进机截割减速器振动特性仿真分析

以掘进机截割减速器为研究对象,分析了减速器齿轮的工作机理和产生振动信号原因,提出了变分模态分解(VMD)算法结合小波去噪理论的方法,通过运用变分模态算法对人为断齿故障信号进行分解,并结合小波去噪理论对其重构信号进行去噪。仿真结果表明,该方法适用于掘进机截割减速器振动特性的分析,能够完成齿轮多种振动信号特征的提取,分解层数较少,去噪效果良好,计算结果与人为造成的断齿故障位置一致,具有重要的现实意义。     

基于小波去噪和MSE的滚动轴承故障诊断

介绍一种将小波去噪与多尺度熵方法相结合的滚动轴承故障诊断方法,通过采用小波去噪后信号进行多尺度熵分析,得到多尺度熵曲线分布,对滚动轴承的正常状态、内圈故障、滚动体故障和外圈故障4种故障类型下的振动信号分析表明,小波多尺度熵方法在合适的尺度因子下能够有效的区分4种故障类型,可以进行滚动轴承的故障识别,并且优于传统的多尺度熵方法。     

通风机振动信号的小波包阈值除噪研究

研究了基于小波包分析的阈值除噪的基本方法,并介绍了几种除噪阈限。利用小波包阈值除噪良好的时频局部化特性滤除信号中大量的噪声。通过对通风机振动信号的除噪和特征提取研究,取得了良好效果,说明小波包阈值除噪方法非常适合于信号的预处理和故障特征提取。     

基于小波分析的滚动轴承故障诊断

通过典型信号的MATLAB仿真讨论了小波在检测信号突变点时的选取原则。针对滚动轴承故障振动信号,先进行小波消噪,再进行小波分解与重构,对重构后的细节信号作Hilbert包络并进行谱分析,从功率谱中可清晰地识别出滚动轴承故障特征频率。     

基于小波的采煤机截割电机电流故障信号去噪和检测

将小波分析进行信号抑制技术应用于电牵引采煤机电机故障信号去噪和检测 ,利用MATLAB可方便直接地进行信号某些频率区间的抑制和衰减 ,从而清楚监测到电机电流故障信号 ,并通过仿真结果验证了该方法的可行性     

2种小波消噪方法的比较

针对螺杆压缩机在运行过程中的振动情况以及发生故障振动时的激励源,根据故障激励源所引起振动故障的循环平稳特性,分别介绍了传统的利用Matlab进行小波消噪以及利用新兴的小波消噪器进行消噪的方法、特点及优缺点。     

基于小波变换的矿震信号去噪方法研究与应用

从小波变换的基本原理出发,对实际矿震信号进行了去噪处理,通过用傅里叶变换和小波变换对北京木城涧煤矿实际矿震信号去噪效果分析,小波变换在对非平稳的矿震信号去噪方面有着傅里叶分析不可比拟的优点。并探索了不同的小波基和阈值选取准则以及分解尺度对矿震信号去噪结果的影响。     

基于连续非周期信号故障诊断方法研究

在研究周期性振动信号处理方法的基础上,针对连续非周期信号难以有效识别的问题,提出了一种基于小波变换和自功率谱相结合的故障诊断方法,采用小波变换对源信号进行去噪处理,并对处理后的信号进行自功率谱分析,解决了单独使用传统频谱信号分析方法难以对连续非周期信号有效分析的情况。通过对传输设备的故障进行分析,为识别连续非周期信号故障的提供了一定的指导意义。     

基于变分模态分解和粒子群算法的微震信号降噪方法

为从含噪微震信号中提取有效信息, 并准确识别岩体破裂信号和爆破振动信号, 提出了基于粒子群算法和小波阈值去噪的改进变分模态分解方法。该方法利用粒子群算法实现模态数量和惩罚因子的最优取值, 以最优参数对微震信号进行变分模态分解, 再对由高频噪声主导的模态分量进行小波阈值去噪, 将去噪后的高频信号分量与原先的低频信号分量进行重构, 实现信号降噪。经验证, 该方法相比集合经验模态分解和单纯的变分模态分解方法具有更好的降噪效果。以该方法对200组岩体破裂信号和200组爆破振动信号进行去噪, 以第一模态分量能量占比50%作为区分爆破振动信号和岩体破裂信号的依据, 识别成功率达到97.25%, 证实了此识别方法的准确性。     

基于小波去噪和EMD的齿轮箱故障诊断研究

提出小波去噪和EMD相结合的齿轮箱故障诊断的新方法。该方法首先对原始信号进行小波阈值去噪,将去噪信号利用EMD方法分解为多个IMF分量,计算各IMF分量和原信号的互相关系数,选择互相关系数较大的IMF分量进行Hilbert包络谱分析,提取故障频率。以互相关准则提取IMF分量避免了IMF分量选择的盲目性。对实测齿轮箱故障信号进行了分析,结果表明该方法能够有效地识别齿轮箱故障频率。